MTEB Massive Text Embedding Benchmark
Hugging Face-leaderboard som rangordnar embedding-modeller — 56+ dataset över 8 task-typer (retrieval, classification, clustering, semantic similarity).
Lanserat 2022 av Niklas Muennighoff m.fl. (paper med Nils Reimers). Långt mer omfattande än tidigare bench (BEIR fokuserade bara på retrieval). Top-modeller 2024+: OpenAI text-embedding-3-large, voyage-3-large, BGE-M3, NV-Embed-v2, gte-Qwen2. Multilingual variant heter MMTEB (2024). Gaming av leaderboards är ett känt problem — vissa modeller är tränade direkt på MTEB-test-sets vilket skapar "fake" topplaceringar.